OpenRSI Index 如何评测 AI 科研智能体从刷榜到做科研

OpenRSI Index 将真实开源研究项目改造成科研智能体任务，评估 AI 是否能改进人类设计的模型训练方案并发现更好的方法。其代表任务覆盖 Marin 优化器改进、Qwen 强化学习任务设计和 GPIC 图像生成改进，单次运行规模分别为 18,432、约 20,864 和 5,815 H100・小时。